SAR圖像較大難以實(shí)時(shí)運(yùn)行且船只目標(biāo)較小難以被識(shí)別,為此一種壓縮級(jí)聯(lián)深層神經(jīng)網(wǎng)絡(luò)算法被提出以實(shí)現(xiàn)對(duì)眾多船只目標(biāo)的分割定位識(shí)別。構(gòu)建3個(gè)不同的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)特征提取,引入級(jí)聯(lián)結(jié)構(gòu)融合不同網(wǎng)絡(luò)輸出的特征圖實(shí)現(xiàn)網(wǎng)絡(luò)的輕量化,融合后的特征輸入金字塔池化模塊實(shí)現(xiàn)特征細(xì)化,分類并解析。在Google Earth圖像數(shù)據(jù)集中的實(shí)驗(yàn)結(jié)果表明,多分支網(wǎng)絡(luò)的級(jí)聯(lián)有助于大尺寸圖像中目標(biāo)特征的分散提取,分級(jí)的模型壓縮有助于提升識(shí)別速度。 

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 多分支融合級(jí)聯(lián)網(wǎng)絡(luò)
    1.1 實(shí)時(shí)策略分析
    1.2 網(wǎng)絡(luò)結(jié)構(gòu)
    1.3 金字塔池化分割模塊
2 實(shí)驗(yàn)與評(píng)估
    2.1 數(shù)據(jù)集
    2.2 評(píng)估指標(biāo)
    2.3 實(shí)驗(yàn)過(guò)程
    2.4 結(jié)果分析
        2.4.1 消融實(shí)驗(yàn)
        2.4.2 與先進(jìn)架構(gòu)的性能比較
3 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于卷積網(wǎng)絡(luò)的遙感圖像建筑物提取技術(shù)研究[J]. 付發(fā),未建英,張麗娜.  軟件工程. 2018(06)
[2]基于U形結(jié)構(gòu)提取的港口目標(biāo)檢測(cè)研究[J]. 邢坤,岳春宇,周楠,張炳先,曹世翔,何紅艷.  航天返回與遙感. 2018(01)
[3]基于短波紅外遙感影像的船只自動(dòng)檢測(cè)方法[J]. 鮑松澤,鐘興,朱瑞飛,于樹(shù)海,于野,李蘭民.  光學(xué)學(xué)報(bào). 2018(05)
[4]利用多特征進(jìn)行航空影像建筑物提取[J]. 呂鳳華,舒寧,龔龑,郭清,曲雪光.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(05)



本文編號(hào)：3669636